فیلترذره مبتنی برMCMC به منظور ردگیری چندهدفه در میان مشاهدات خام و آشکارنشده
عنوان مقاله: فیلترذره مبتنی برMCMC به منظور ردگیری چندهدفه در میان مشاهدات خام و آشکارنشده
شناسه ملی مقاله: JR_ADST-7-1_008
منتشر شده در شماره 1 دوره 7 فصل در سال 1395
شناسه ملی مقاله: JR_ADST-7-1_008
منتشر شده در شماره 1 دوره 7 فصل در سال 1395
مشخصات نویسندگان مقاله:
میثم رئیس دانایی - پردازش
خلاصه مقاله:
میثم رئیس دانایی - پردازش
در این مقاله به مسئله پرچالش ردگیری چندهدفه در میان دادههای آشکارنشده پرداخته میشود. برای انجام این کار، ابتدا با تقسیم فضای حالت به دو زیر فضای خطی و غیرخطی و با بهکارگیری اصل Rao–Blackwellization، چگالی اهمیتی بهینه را برای نوع خاصی از مدل سنسور، که مشاهدات منشعب و در هم ادغامشده را برای ناحیه مشاهده مشبکشده تولید مینماید، بهدست آمد. در ادامه، برای کاهش پیچیدگی محاسباتی نمونه برداری از چگالی اهمیتی بهینه، از معروفترین نمونهبردار خانواده MCMC یعنی نمونهبردار Gibbs برای نمونهبرداری از چگالی اهمیتی بهینه استفاده شد و سپس با مقایسه عملکرد این دو در یک محیط ردگیری چندهدفه و در میان مشاهدات خام و آشکارنشده، نشان داده شد که نمونهبردار Gibbs به مبادلهای بین کاهش حجم محاسبات و میزان دقت در ردگیری دست مییابد. ایده مطرحشده را میتوان بهعنوان جایگزین برای مواقعی که نمونهبرداری از چگالی اهمیتی بهینه عملا غیرممکن است، استفاده نمود.
کلمات کلیدی: ردگیری چندهدفه, نمونه بردار Gibbs, اصل Rao–Blackwellization, چگالی اهمیتی بهینه, فیلتر ذره ای
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/934652/